KR20210107470A - Ai 기반 축사 환경 조사 방법 및 장치 - Google Patents
Ai 기반 축사 환경 조사 방법 및 장치 Download PDFInfo
- Publication number
- KR20210107470A KR20210107470A KR1020200022530A KR20200022530A KR20210107470A KR 20210107470 A KR20210107470 A KR 20210107470A KR 1020200022530 A KR1020200022530 A KR 1020200022530A KR 20200022530 A KR20200022530 A KR 20200022530A KR 20210107470 A KR20210107470 A KR 20210107470A
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- environment
- room
- house
- visible light
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 244000144972 livestock Species 0.000 claims abstract description 567
- 230000036760 body temperature Effects 0.000 claims abstract description 70
- 238000001931 thermography Methods 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims description 31
- 238000011835 investigation Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 241000283690 Bos taurus Species 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 claims 1
- 201000011510 cancer Diseases 0.000 claims 1
- 230000015654 memory Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 14
- 239000003973 paint Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 241001465754 Metazoa Species 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 7
- 239000001569 carbon dioxide Substances 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 208000022531 anorexia Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G06K9/00362—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Human Computer Interaction (AREA)
- Radiation Pyrometers (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
AI 기반 축사 환경 조사 방법 및 장치를 제시하며, AI 기반 축사 환경 조사 방법 및 장치는 상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 카메라 및 상기 카메라를 통해 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하고, 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 제어장치를 포함할 수 있다.
Description
본 명세서에서 개시되는 실시예들은 AI 기반 축사 환경 조사 방법 및 장치에 관한 것으로, 보다 상세하게는 축사를 자동으로 이동하며 사육중인 가축을 촬영하고, 인공지능을 이용하여 촬영된 이미지를 기초로 축사 내 가축의 체온을 원격으로 측정하여 이상 증상이 있는 가축을 식별하는 축사환경 조사 방법 및 장치에 관한 것이다.
축산업의 중요한 경제적 요인은 가축의 출산율, 폐사율, 사료 소비량 등이 있으며, 이 중 축산업에 있어서 경제적 피해가 큰 요인은 가축의 폐사이다.
가축의 폐사가 발생하는 원인 중 하나로 질병에 의한 폐사가 있다. 질병에 걸린 가축들은 이상증상 예를 들어, 식욕부진, 활동량 감소, 기립 불능, 구토, 반점 등을 보인다.
질병에 의한 가축의 폐사를 막기 위해서는 가축의 질병을 조기에 검출하는 것이 중요하며. 일반적으로 질병에 의한 가축의 이상 증상이 나타나기 전에는 가축의 체온 변화가 발생하므로, 가축의 체온측정을 통해 가축의 질병을 조기에 검출할 수 있다.
가축의 체온측정은 관리자가 체온을 측정하기 위한 센서를 직접 가축의 체내에 삽입하여 측정하게 된다.
하지만, 상술된 체온측정 방법은 축사에 사육중인 모든 가축에 대해 체온을 측정하는데 많은 시간과 인력이 필요하다는 문제점이 있다.
또한, 가축의 질병은 접촉에 의한 전염병이 대부분으로 가축에 대해 접촉방식의 체온측정은 전염의 위험이 높다는 문제점이 있다.
관련하여 선행기술 문헌인 한국특허공개번호 제10-1942895호에서는 전염병 방지를 위하여 물의 배수가 원활하게 배수될 수 있도록 하여 바닥토양 건조가 용이한 가금류 전용 축사구조에 관해 개시하고 있으나, 직접적인 접촉 없이 가축의 체온을 측정하는 문제를 해결하지 못한다.
따라서 상술된 문제점을 해결하기 위한 기술이 필요하게 되었다.
한편, 전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 명세서에서 개시되는 실시예들은, AI기반 축사 환경 조사 방법 및 장치를 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 축사 내의 복도를 따라 자율로 이동하며 각 축사방의 환경을 측정하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 축사 내의 복도를 따라 이동하며 축사 지도를 생성하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 카메라를 이용하여 간접적으로 축사 내의 가축의 체온을 측정하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 길이가 가변되는 암에 장착된 카메라를 이용하여 축사방 안쪽에 위치한 가축의 체온을 측정하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 카메라를 통해 촬영된 가축을 식별하여 가축별로 가축의 체온을 추적관리하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 축사를 자율적으로 이동하며 센서를 이용하여 축사 내의 각 위치의 환경을 측정하는 축사 환경 조사 방법 및 장치를 제시하는 데 목적이 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 실시예에 따르면, 축사의 환경을 조사하는 장치에 있어서, 상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 카메라 및 상기 카메라를 통해 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하고, 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 제어장치를 포함할 수 있다.
다른 실시예에 따르면, 축사환경조사장치가 축사의 환경을 조사하는 방법에 있어서, 상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 단계, 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하는 단계 및 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 단계를 포함할 수 있다.
또 다른 실시예에 따르면, 축사환경조사방법을 수행하는 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체로서, 상기 축사환경조사방법은, 상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 단계, 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하는 단계 및 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 단계를 포함할 수 있다.
다른 실시예에 따르면, 축사환경조사장치에 의해 수행되며, 축사환경조사방법을 수행하기 위해 기록매체에 저장된 컴퓨터프로그램으로서, 상기 축사환경조사방법은, 상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 단계, 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하는 단계 및 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 단계를 포함할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, AI기반 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 축사 내의 복도를 따라 자율로 이동하며 각 축사방의 환경을 측정하여 무인으로 축사의 환경을 조사할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 축사 내의 복도를 따라 이동하며 축사 지도를 생성함으로써 사전정보 없는 축사에서도 즉시 동작할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 카메라를 이용하여 간접적으로 축사 내의 가축의 체온을 측정하여 체온측정으로 인한 접촉 감염을 방지함과 동시에 빠르게 가축의 체온을 측정할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 길이가 가변되는 암에 장착된 카메라를 이용하여 축사방 안쪽에 위치한 가축의 체온을 측정함으로써 축사방 내의 모든 가축에 대한 체온 측정을 수행할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 카메라를 통해 촬영된 가축을 식별하여 가축별로 가축의 체온을 추적관리하여 간접적으로 가축별로 체온의 변화를 추적할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 축사를 자율적으로 이동하며 센서를 이용하여 축사 내의 각 위치의 환경을 측정하여 24시간 무인으로 축사의 환경을 모니터링 할 수 있는 축사 환경 조사 방법 및 장치를 제시할 수 있다.
개시되는 실시예들에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 개시되는 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1 은 일 실시예에 따른 축사환경조사장치를 포함하는 네트워크를 도시한 구성도이다.
도 2 는 일 실시예에 따른 축사환경조사장치의 각 구성을 도시한 구성도이다.
도 3 은 일 실시예에 다른 축사환경조사장치의 구성을 도시한 블록도이다.
도 4 내지 도 5 는 일 실시예에 따른 축사환경조사방법을 설명하기 위한 순서도이다.
도 6 내지 도 7 은 일 실시예에 따른 축사환경조사방법을 설명하기 위한 예시도이다.
도 2 는 일 실시예에 따른 축사환경조사장치의 각 구성을 도시한 구성도이다.
도 3 은 일 실시예에 다른 축사환경조사장치의 구성을 도시한 블록도이다.
도 4 내지 도 5 는 일 실시예에 따른 축사환경조사방법을 설명하기 위한 순서도이다.
도 6 내지 도 7 은 일 실시예에 따른 축사환경조사방법을 설명하기 위한 예시도이다.
아래에서는 첨부한 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 아래에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여, 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략하였다. 그리고 도면에서 실시예들의 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 ‘직접적으로 연결’되어 있는 경우뿐 아니라, ‘그 중간에 다른 구성을 사이에 두고 연결’되어 있는 경우도 포함한다. 또한, 어떤 구성이 어떤 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들을 더 포함할 수도 있음을 의미한다.
이하 첨부된 도면을 참고하여 실시예들을 상세히 설명하기로 한다.
다만, 이를 설명하기에 앞서, 아래에서 사용되는 용어들의 의미를 먼저 정의한다.
‘열화상 이미지’는 열화상 카메라를 이용하여 촬영영역의 온도에 대응되는 색으로 표현된 이미지이다.
‘가시광 이미지’는 가시광선이 이미지 센서에 촬상되어 획득되는 이미지이다.
‘환경정보’는 센서를 이용하여 축사 내의 환경을 수치화한 정보로 예를 들어, 습도, 온도, 채광량, 먼지 수치, 산소 수치, 이산화탄소 수치, 암모니아 수치, 황화수소 수치 등이 포함될 수 있다.
‘촬영각’은 카메라를 이용하여 촬영할 수 있는 시야각으로 촬영각이 클수록 넓은 범위를 한 번에 촬영할 수 있는 반면 촬영 객체가 멀어지는 줌 아웃 효과가 발생하고, 촬영각이 작을수록 한 번에 촬영하는 범위가 줄어들게 되며 촬영 객체가 가까워져 촬영 객체의 형태 왜곡이 발생할 수 있다.
‘인공신경망’은 생물 신경계의 고도의 정보처리기구를 공학적으로 모방해서 입력과 출력을 상호 간에 상세히 관련지어 복잡한 제어를 하는 정보처리기술로 스위치나 각 센서 등에서 신호를 보내는 입력 레이어, 그 정보를 바탕으로 입력과 출력의 우선순위를 정하면서 상호관계를 조정하는 은닉 레이어, 이것을 바탕으로 필요한 제어량을 산출해서 출력하는 출력 레이어로 구성된 3종류의 뉴론(신경세포) 모델이 복수로 연결된 네트워크이다.
위에 정의한 용어 이외에 설명이 필요한 용어는 아래에서 각각 따로 설명한다.
도 1 은 일 실시예에 따른 축사환경조사장치(10)를 포함하는 네트워크를 도시한 구성도이다.
축사환경조사장치(10)는 축사의 복도를 따라 자동으로 이동하면서 축사 내의 적어도 하나의 축사방 각각에 사육중인 가축의 체온을 비접촉방식으로 측정할 수 있고, 이를 위해, 축사환경조사장치(10)는 인공신경망에 입력된 가축의 실제 측정 체온정보와 열화상 이미지를 학습데이터로 학습할 수 있고, 학습된 인공신경망을 이용하여 카메라를 통해 촬영된 가축의 열화상 이미지를 기초로 가축의 체온을 측정할 수 있다.
예를 들어, 가축의 열화상 촬영을 통해 획득된 열화상 이미지와 실제 가축의 체온에 대한 정보를 학습데이터로 비교학습을 수행할 수 있다. 그리고 축사환경조사장치(10)는 학습을 통해 가축을 촬영한 열화상 이미지를 이용하여 가축의 체온을 측정할 수 있다.
그리고 축사환경조사장치(10)는 측정된 가축의 체온이 정상범위 내인지 여부를 결정할 수 있고, 가축 중 체온이 이상이 있는 가축이 존재하면 관리자단말(30)로 해당 가축에 대한 위치 및 가축의 외형적 특징을 제공할 수 있다.
이때, 축사환경조사장치(10)는 가축을 명확하게 식별하기 위해 가축에 대해 외형적 특징을 별도로 추가할 수 있으며, 예를 들어 페인트탄, 물감 또는 페인트가 혼합된 액체 등을 가축에 방출하여 가축에 대해 외형적 특징을 추가할 수 있다.
축사환경조사장치(10)는 실시예에 따라, 인공신경망을 포함하거나 또는 물리적으로 이격된 제 3 의 서버(20)에서 구현된 인공신경망과 연결될 수 있다. 이하에서는 제어장치(120) 내에 인공신경망이 구현된 것으로 가정하여 설명한다.
그리고 축사환경조사장치(10)는 축사의 복도를 따라 이동하면서 축사 각 위치 별 환경정보를 획득할 수 있다.
예를 들어, 축사환경조사장치(10)는 축사의 복도를 따라 이동하면서 축사 각 위치의 온도, 습도, 이산화탄소 수치 등을 측정할 수 있고, 측정된 환경정보를 관리자 단말(30)로 제공할 수 있다.
도 2 는 축사환경조사장치(10)의 각 구성을 도시한 구성도이다.
도 2 를 참조하면, 축사환경조사장치(10)는 카메라(11), 센서(12), 본체(13), 기둥(14), 암(15) 및 구동장치(16)로 구성될 수 있다. 그리고 축사환경조사장치(10)는 추가적으로 마킹장치(미도시)를 포함할 수 있다.
우선, 카메라(11)는 축사의 축사방에 사육중인 가축을 촬영하여 시각으로 인식가능한 정보를 획득하기 위한 입력장치로 회전 가능하도록 회전 모듈이 구비될 수 있으며, 후술할 암(15)의 일 영역에 결합될 수 있다.
이러한, 카메라(11)는 축사환경조사장치(10)의 자율주행을 위한 비전(vision), 축사지도의 생성 또는 획득, 축사방 내의 가축의 인식 등을 위해 가시광 촬영할 수 있다. 또한, 카메라(11)는 가축의 체온을 측정하기 위해 열화상 촬영을 할 수 있다.
예를 들어, 카메라(11)는 가시광을 획득하는 CMOS 이미지 센서를 이용하여 축사의 축사방에 사육중인 가축을 촬영하거나 또는 축사 내의 객체 등을 촬영할 수 있다. 또는 카메라(11)는 열화상(LWIR)센서를 이용하여 가축에 대해 열화상 촬영을 할 수 있다.
이때, 카메라(11)는 촬영에 따라 촬영각을 조절할 수 있으며, 촬영각이 좁은 경우 특정 객체를 추적하며 고속 촬영을 할 수 있다.
예를 들어, 카메라(11)는 축사방 내의 가축을 추적하거나 축사의 장애물을 식별하기 위해 촬영각을 넓게 하여 촬영할 수 있으며, 축사방 내의 가축의 체온을 측정할 경우 촬영각을 좁게 하여 촬영범위에 한 마리의 가축만 들어오도록 하여 열화상 촬영을 수행할 수 있다. 그리고 카메라(11)는 축사 내의 가축 각각에 대해 열화상 촬영을 빠르게 할 수 있도록 고속 촬영을 수행할 수 있다.
실시예에 따라, 카메라(11)는 하나의 카메라로 구현되거나 또는 물리적으로 분리된 두 개 이상의 카메라로 구현될 수 있다. 이하에서는 하나의 카메라로 구현되는 것으로 가정하고 설명한다.
그리고 센서(12)는 축사환경조사장치(10)에 구비되어 축사환경조사장치(10)가 위치한 지점의 환경을 측정할 수 있는 장치이다. 예를 들어, 센서(12)는 온도센서, 습도센서, 이산화탄소 측정 센서 등을 통해 축사의 환경을 측정할 수 있다.
본체(13)는 다면체 형상으로 형성될 수 있으며, 축사환경조사장치(10)의 구동 또는 제어에 필요한 장치가 실장될 수 있다. 예를 들어, 본체(13)는 후술할 구동장치(16)를 구동시키기 위한 배터리(미도시)와 축사환경조사장치(10)를 제어하기 위한 컴퓨팅 장치 등이 실장될 수 있다.
그리고 본체(13)에는 후술할 기둥(14), 암(15) 그리고 구동장치(16)가 본체(13)의 외부에 결합될 수 있다.
예를 들어, 본체(13)는 직육면체의 형상을 가질 수 있고, 상단면에 기둥(14)과 암(15)이 구비될 수 있고, 하단면에 구동장치(16)가 구비될 수 있다.
기둥(14)은 일정한 길이를 갖는 막대형상으로 형성되고, 일단이 본체(13)의 상단면의 일 영역에 결합될 수 있다.
예를 들어, 기둥(14)은 지면과 수직방향으로 배치되면서 기둥(14)의 일단이 본체(13)의 상단면에 결합되되, 길이방향을 축으로 좌우 180도 내지 270도 회전 가능하도록 결합될 수 있다.
또한, 기둥(14)은 길이가 가변될 수 있어 기둥(14)의 타단에 결합되는 후술할 암(15)의 높이를 변경할 수 있다.
예를 들어, 기둥(14)은 텔레스코픽 레일 형태로 구현될 수 있으며, 길이를 변경함으로써 지면으로부터 기둥(14)의 타단에 결합된 암(15)까지의 높이를 변경할 수 있다.
암(15)은 일정한 길이를 갖는 막대형상으로 형성되어 지면과 평행되게 배치되어 암(15)의 일단이 기둥(14)에 결합될 수 있고, 암(15)의 타단에는 카메라(11)가 결합될 수 있다.
예를 들어, 암(15)은 텔레스코픽 레일 형태로 구현되어 길이가 가변될 수 있으며, 이에 따라 암(15)의 타단에 구비된 카메라(11)와 기둥(14)간의 이격 거리가 늘어나거나 줄어들 수 있다.
또한, 구동장치(16)는 본체(13)의 하단에 구비되어 축사환경조사장치(10)를 이동시킬 수 있다.
예를 들어, 구동장치(16)는 구동력을 제공하는 전기모터와 전기모터로부터 구동력을 전달받아 회전운동을 통해 축사환경조사장치(10)를 이동시키는 구동부로 구성될 수 있고, 구동부는 바퀴 또는 무한궤도 중 어느 하나의 형태로 구현될 수 있다. 이때, 구동장치(16)는 4축 독립구동 방식으로 각각의 바퀴에 구동력을 달리 전달할 수 있다.
그리고 마킹장치(미도시)는 카메라(11)가 결합된 암(15)의 일 위치에 구비되어 가축에 외형적 특징을 추가할 수 있도록 가축에 물리적 외력을 가할 수 있는 장치로 예를 들어, 페인트탄을 발사하는 발사장치이거나 또는 물감 또는 페인트가 혼합된 액체를 분무할 수 있는 분무장치일 수 있다.
도 3 은 일 실시예에 따른 축사환경조사장치(10)를 구성을 도시한 블록도이다. 도 3을 참조하면, 일 실시예에 따른 축사환경조사장치(10)는, 입출력장치(110), 제어장치(120), 통신장치(130) 및 메모리(140)를 포함할 수 있다.
우선, 입출력장치(110)는 축사에 대한 정보를 획득하는 입력장치와, 작업의 수행 결과 또는 축사환경조사장치(10)의 상태 등의 정보를 표시하기 위한 출력장치를 포함할 수 있다. 예를 들어, 입출력장치(110)는 축사를 촬영하는 카메라(11)와 축사의 환경을 측정하는 센서(12) 및 화면을 표시하는 디스플레이 패널(display panel) 등을 포함할 수 있다.
구체적으로, 입력장치는 키보드, 물리 버튼, 터치 스크린 등과 같이 관리자의 입력을 획득할 수 있는 장치, 카메라(11) 또는 마이크 등과 같이 축사내의 가축에 대한 정보를 획득할 수 있는 장치 또는 온도센서, 습도센서, 이산화탄소 측정 센서 등과 같이 다양한 형태로 축사의 환경을 측정할 수 있는 센서(12)들을 포함할 수 있다. 또한, 출력장치는 축사환경조사장치(10)의 상태를 출력하는 디스플레이 패널 또는 스피커 등을 포함할 수 있다. 다만, 이에 한정되지 않고 입출력장치(110)는 다양한 입출력을 지원하는 구성을 포함할 수 있다.
이러한 입출력장치(110) 중 카메라(11)는 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영할 수 있다.
예를 들어, 카메라(11)는 암(15)의 일단에 구비되어 암(15)의 길이 연장에 따라 축사방 안으로 침투될 수 있고, 축사방에 있는 가축을 촬영하기 위해 지면과 수직인 방향을 축으로 좌우 180도 내지 270도 회전될 수 있다.
그리고 카메라(11)는 가시광 이미지 센서를 이용하여 가축의 위치 또는 객체를 인식하기 위한 가시광 이미지를 촬영하거나 또는 열화상(LWIR)센서를 이용하여 가축의 열화상 촬영을 할 수 있다.
그리고 입출력장치(110) 중 센서(12)는 축사의 환경을 감지하여 수치화할 수 있다. 예를 들어, 센서(12)는 복수의 센서로 구성될 수 있고, 각 센서는 축사의 습도, 온도, 이산화탄소 수치 등을 각각 측정할 수 있다.
한편, 제어장치(120)는 네트워크를 통해 원격지의 서버에 접속하거나, 타 단말 및 서버와 연결 가능한 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop)등을 포함한다. 또는 제어장치(120)는 물리적으로 분리된 서버가 네트워크를 통해 연결되어 논리적으로 하나의 시스템을 형성하는 클라우드와 네트워크를 통해 연결되어 클라우드의 리소스를 활용하는 형태로 구현될 수 있다.
제어장치(120)는 축사환경조사장치(10)의 전체적인 동작을 제어하며, CPU 등과 같은 프로세서를 포함할 수 있다. 제어장치(120)는 입출력장치(110)를 통해 수신한 정보를 기초로 축사의 환경조사를 수행하도록 축사환경조사장치(10)에 포함된 다른 구성들을 제어할 수 있다.
예를 들어, 제어장치(120)는 메모리(140)에 저장된 프로그램을 실행시키거나, 메모리(140)에 저장된 파일을 읽어오거나, 새로운 파일을 메모리(140)에 저장할 수도 있다.
우선, 제어장치(120)는 축사지도를 획득할 수 있다.
하나의 실시예에 따라, 제어장치(120)는 축사지도를 관리자로부터 획득할 수 있다.
예를 들어, 제어장치(120)는 관리자의 단말로 축사지도를 제작하거나 편집할 수 있는 지도 제작 인터페이스를 제공할 수 있고, 관리자로부터 축사의 크기, 축사방의 크기, 축사방의 배치 또는 축사방의 펜스 높이 등을 순차적으로 획득할 수 있고, 획득된 정보를 기초로 축사의 평면도를 생성할 수 있다.
다른 실시예에 따라, 제어장치(120)는 이동하면서 카메라(11)를 통해 실시간으로 획득되는 객체에 대한 정보를 기초로 축사지도를 생성할 수 있다.
예를 들어, 제어장치(120)는 카메라(11)를 통해 촬영된 가시광 이미지상의 객체인 축사방의 펜스, 복도, 가축 등을 식별할 수 있고, 식별된 객체 중 복도를 따라 이동하면서 축사환경조사장치(10)의 주위에 배치된 축사방의 펜스, 축사방의 크기 등을 식별하여 실시간으로 축사지도를 생성할 수 있다.
그리고 제어장치(120)는 축사지도상에 배치된 축사방을 순차적으로 방문하기 위한 방문순서를 생성할 수 있다.
예를 들어, 제어장치(120)는 축사지도상에서 축사 입구를 기준으로 일 위치에서 일정한 기 설정된 반경(축사환경조사장치(10)의 암(15)의 연장 가능한 길이) 내에 위치한 축사방을 일 방향으로 방문순서를 결정할 수 있고, 일 위치에서 축사방의 방문순서가 결정되면 다음 지점에서 동일한 방법으로 축사방의 방문순서를 결정할 수 있다.
또는 예를 들어, 제어장치(120)는 축사지도상의 축사방 위치(또는 좌표)를 기초로 축사방을 노드로 하는 트리 구조를 생성할 수 있고, 생성된 트리 구조를 순회하는 방법에 따라 축사방의 방문순서를 결정할 수 있다.
그리고 제어장치(120)는 카메라(11)를 이용하여 축사 내의 객체를 식별하여 축사방의 방문순서에 따라 이동하는 축사환경조사장치(10)의 동작을 제어할 수 있다.
예를 들어, 제어장치(120)는 카메라(11)를 통해 획득되는 가시광 이미지를 이용하여 축사의 복도 상에 위치한 장애물을 식별할 수 있으며, 식별된 장애물을 회피하여 이동경로를 설정할 수 있다.
또는 예를 들어, 제어장치(120)는 축사방의 펜스 높이를 식별할 수 있고, 식별된 높이를 기초로 기둥(14)의 길이를 조절하여 암(15)이 축사방의 펜스에 충돌하지 않도록 제어할 수 있다.
이후, 제어장치(120)는 축사방의 방문순서에 따라 축사환경조사장치(10)가 방문하는 축사방을 촬영할 수 있고, 축사방의 내의 가축을 식별할 수 있다.
예를 들어, 제어장치(120)는 암(15)의 길이를 연장하여 축사방 안쪽으로 카메라(11)를 침투시킬 수 있고, 침투된 카메라(11)로 축사방 내의 가축을 촬영할 수 있다. 그리고 제어장치(120)는 촬영된 축사방의 가시광 이미지에 포함된 가축의 외형적 특징인 몸의 크기, 반점의 위치, 꼬리의 모양 등을 기초로 가축을 개별적으로 식별할 수 있다.
이를 위해, 제어장치(120)는 가시광 이미지로부터 가축을 식별하기 위해 인공신경망의 학습을 수행할 수 있다. 예를 들어, 제어장치(120)는 가축의 외형에 대한 학습데이터를 인공신경망에 입력하여 가축의 외형을 학습할 수 있고, 학습결과를 이용하여 가시광 이미지에 포함된 객체 중 가축을 식별할 수 있다.
이때, 카메라(11)의 촬영각이 축사방 전체를 촬영하지 못하는 경우, 제어장치(120)는 카메라(11)를 회전시켜 촬영방향을 변경하며 축사방을 순차적으로 촬영할 수 있고, 촬영방향별 가시광 이미지상에 포함된 가축의 동일 여부를 식별할 수 있다.
예를 들어, 제어장치(120)는 카메라(11)를 일정한 각도로 회전시키며 축사방의 가축을 촬영할 수 있고, 일정한 각도로 회전되며 축사방을 촬영한 복수의 가시광 이미지 각각에서 가축의 외형적 특징을 기초로 가축을 개별적으로 식별할 수 있다.
이때, 제어장치(120)는 카메라(11)가 일정한 각도로 회전되며 축사방의 가축을 촬영하는 간격 동안 이동하는 가축을 추적하여 동일한 가축인지를 식별할 수 있다.
예를 들어, 제어장치(120)는 제 1 방향에서 촬영된 가시광 이미지상의 가축의 외형적 특징을 기초로 제 2 방향에서 촬영된 가시광 이미지상의 가축 중 동일한 외형적 특징을 가진 가축을 검색하여 제 1 방향의 가시광 이미지상의 가축의 이동을 추적하여 제 2 방향의 가시광 이미지에서 동일한 가축을 식별할 수 있다.
한편, 실시예에 따라 제어장치(120)는 식별된 가축에 대한 외형적 특징을 추가로 부가할 수 있다.
예를 들어, 제어장치(120)는 마킹장치(미도시)를 이용하여 가축에 대해 페인트탄을 발사하거나 페인트가 혼합된 액체를 분무하여 가축의 외형에 추가적인 외형적 특징을 마킹할 수 있다.
그리고 제어장치(120)는 축사방의 개별적으로 식별된 가축 별로 열화상 촬영을 통해 획득된 열화상 이미지를 기초로 가축의 체온을 측정할 수 있다.
이를 위해, 제어장치(120)는 열화상 카메라로 가축을 촬영한 열화상 이미지와 가축의 실제 체온 간의 관계를 학습할 수 있다.
예를 들어, 제어장치(120)는 가축의 열화상 이미지와 가축을 열화상 촬영할 당시의 실제 체온을 학습데이터로 인공신경망에 입력하여 열화상 이미지상의 색과 실제 가축의 체온 간의 관계를 학습할 수 있다.
또한 실시예에 따라, 제어장치(120)는 정상적인 상태의 체온을 가진 가축의 열화상 이미지에서 부위별 색과 가축의 부위별 측정 온도를 비교하는 학습을 수행할 수 있다.
예를 들어, 제어장치(120)는 열화상 이미지에서 가축의 머리와 다리 각각의 색과 가축의 머리와 다리 각각에서 측정한 온도 관계를 학습함으로써 정상 체온의 가축의 부위별 온도를 학습할 수 있다.
그리고 제어장치(120)는 가축을 열화상 촬영한 열화상 이미지를 기초로 가축의 체온을 측정할 수 있다.
이때, 실시예에 따라 제어장치(120)는 위치를 추적하는 특정 가축을 중심으로 열화상 촬영을 할 수 있도록 카메라(11)의 촬영각을 좁게 설정할 수 있고, 특정 가축 대해 고속으로 열화상 촬영을 할 수 있다.
예를 들어, 제어장치(120)는 이동하는 가축을 가시광 이미지를 기초로 추적하며 가축의 열화상 촬영을 수행할 수 있고, 기 학습된 인공신경망을 이용하여 열화상 이미지상의 색을 기초로 색에 대응되는 가축의 체온을 추정하여 가축의 체온을 측정할 수 있다.
이때, 제어장치(120)는 추가로 가축의 일부 부위에 대한 열화상 이미지를 기초로 가축의 체온이 정상인지 여부를 결정할 수 있다.
예를 들어, 제어장치(120)는 가축의 머리 부분의 열화상 이미지를 기초로 정상 체온을 가진 가축의 머리 온도와 비교하여 온도 차이를 기초로 가축의 체온이 정상인지 여부를 결정할 수 있다.
한편, 제어장치(120)는 축사지도에 따라 축사방을 방문하면서 축사 내의 각 위치에서 환경정보를 획득할 수 있다.
예를 들어, 제어장치(120)는 축사를 일정한 크기로 분할하고 분할된 구간별 적어도 하나 이상의 지점에서 축사환경조사장치(10)에 구비된 센서(12)를 이용하여 온도, 습도, 일산화탄소 농도, 이산화탄소 농도, 미세먼지 농도 등을 측정할 수 있다.
통신장치(130)는 다른 디바이스 또는 네트워크와 유무선 통신을 수행할 수 있다. 이를 위해, 통신장치(130)는 다양한 유무선 통신 방법 중 적어도 하나를 지원하는 통신 모듈을 포함할 수 있다. 예를 들어, 통신 모듈은 칩셋(chipset)의 형태로 구현될 수 있다.
통신장치(130)가 지원하는 무선 통신은, 예를 들어 Wi-Fi(Wireless Fidelity), Wi-Fi Direct, 블루투스(Bluetooth), UWB(Ultra Wide Band) 또는 NFC(Near Field Communication), 2G 내지 5G 통신 기술, 또는 그 이상의 통신 기술을 포함할 수 있다. 또한, 통신장치(130)가 지원하는 유선 통신은, 예를 들어 USB, 이더넷, 동축케이블 또는 광통신 등일 수 있다.
메모리(140)에는 파일, 애플리케이션 및 프로그램 등과 같은 다양한 종류의 데이터가 설치 및 저장될 수 있다. 제어장치(120)는 메모리(140)에 저장된 데이터에 접근하여 이를 이용하거나, 또는 새로운 데이터를 메모리(140)에 저장할 수도 있다. 또한, 제어장치(120)는 메모리(140)에 설치된 프로그램을 실행할 수도 있다. 도 1을 참조하면, 메모리(140)에는 축사환경조사방법을 수행하기 위한 프로그램이 설치될 수 있다.
도 4 및 도 5 는 일 실시예에 따른 축사환경조사방법을 설명하기 위한 순서도이다.
도 4 및 도 5 에 도시된 실시예에 따른 축사환경조사방법은 도 1 내지 도 3 에 도시된 축사환경조사장치(10)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하에서 생략된 내용이라고 하더라도 도 1 내지 도 3 에 도시된 축사환경조사장치(10)에 관하여 이상에서 기술한 내용은 도 4 및 도 5 에 도시된 실시예에 따른 축사환경조사방법에도 적용될 수 있다.
도 4 는 본 발명의 일실시예 따른 축사의 가축의 체온을 측정하는 축사환경조사방법을 도시한 순서도이다.
우선, 축사환경조사장치(10)는 축사지도를 기초로 축사 내의 축사방을 방문순서를 결정할 수 있다(S4001).
이를 위해, 축사환경조사장치(10)는 축사지도를 획득할 수 있다.
하나의 실시예에 따라, 축사환경조사장치(10)는 축사 내의 복도를 이동하며 축사방의 위치를 식별하여 실시간으로 축사지도를 생성하여 획득할 수 있다.
예를 들어, 축사환경조사장치(10)는 카메라(11)를 통해 축사 내의 복도를 식별할 수 있고, 복도를 따라 이동하면서 주변의 축사방의 펜스를 기준으로 축사방의 개수 및 위치를 식별할 수 있고, 실시간으로 축사지도를 생성할 수 있다. 그리고 축사환경조사장치(10)는 이동 가능한 복도가 더 이상 없는 경우 축사지도의 생성을 완료하고 초기 위치로 복귀할 수 있다.
다른 실시예에 따라, 축사환경조사장치(10)는 축사지도를 관리자단말(30)로부터 획득할 수 있다.
예를 들어, 축사환경조사장치(10)는 관리자단말(30)로 축사지도를 생성하거나 편집할 수 있는 지도 제작 인터페이스를 제공할 수 있고, 지도 제작 인터페이스를 통해 관리자로부터 축사방 및 복도 중 적어도 하나에 대한 배치정보가 포함된 축사지도를 획득할 수 있다.
그리고 축사환경조사장치(10)는 획득된 축사지도를 기초로 축사방의 방문순서를 결정할 수 있다.
예를 들어, 축사환경조사장치(10)는 축사지도의 초기 위치인 입구를 기준으로 축사방의 크기에 대응되는 간격으로 복도를 따라 방문지점을 설정할 수 있고, 각 방문지점에서 기 설정된 반경 내에 위치한 축사방에 대해 일 방향으로 방문순서를 결정할 수 있다.
또는 예를 들어, 축사환경조사장치(10)는 축사지도상의 축사방을 노드로 하고 축사방간의 상대적인 위치를 기초로 트리구조를 생성할 수 있고, 트리구조를 순회하는 기존 방법에 따라 축사방의 방문순서를 결정할 수 있다.
도 6 은 축사방의 방문순서를 결정하고 방문을 수행하는 축사환경조사장치(10)를 도시한 예시도이다.
도 6 을 참조하면, 축사환경조사장치(10)는 축사의 입구(601)를 시작으로 일정한 간격으로 축사방을 촬영(방문)하기 위해 축사환경조사장치(10)가 정지하는 지점인 방문지점(602, 603)을 설정할 수 있고, 제 1 방문지점(602)에서 촬영 가능한 축사방(604, 605)을 축사환경조사장치(10)의 암(15)의 회전 방향인 제 1 축사방(604) 그리고 제 2 축사방(605) 순서로 방문순서를 설정할 수 있다. 그리고 축사환경조사장치(10)는 제 2 방문지점(603)에 대해서도 동일한 방법으로 축사방(606, 607)의 방문순서를 결정할 수 있다.
그리고 축사환경조사장치(10)는 S4001단계에서 결정된 방문순서에 따라 방문한 축사방을 촬영할 수 있다(S4002).
예를 들어, 축사환경조사장치(10)는 카메라(11)를 이용하여 축사방을 가시광 촬영할 수 있다. 이때, 카메라(11)의 촬영각 내에 축사방 전체가 포함되지 않으면, 축사환경조사장치(10)는 카메라(11)를 촬영간 단위로 회전시키며 축사방 내의 가축을 촬영할 수 있다.
도 6 을 참조하면, 축사환경조사장치(10)는 방문한 축사방(608) 내로 축사환경조사장치(10)의 암(15)을 연장하여 카메라(11)를 축사방(608) 내로 침투시켜 축사방(608) 내의 가축을 촬영할 수 있다.
이후, 축사환경조사장치(10)는 가시광 이미지를 기초로 축사방의 가축을 개별적으로 식별할 수 있다(S4003).
예를 들어, 축사환경조사장치(10)는 축사방 내의 가축을 가시광 촬영할 수 있고, 가시광 이미지 내에 포함된 가축의 외형적 특징을 식별할 수 있고, 외형적 특징을 기초로 가시광 이미지 내의 가축을 개별적으로 등록할 수 있다.
이때, 축사환경조사장치(10)는 가축의 위치를 추적할 수 있다.
예를 들어, 축사환경조사장치(10)가 카메라(11)의 촬영각에 따라 카메라(11)를 회전시키며 축사방을 촬영하는 경우, 축사환경조사장치(10)는 제 1 가시광 이미지 내에서 식별된 가축의 외형적 특징을 기초로 제 2 가시광 이미지 내의 동일한 외형적 특징을 가진 가축이 존재하는지를 식별하여 동일한 가축의 이동을 추적할 수 있다.
도 7 은 카메라(11)를 이용하여 축사방을 촬영하는 모습을 도시한 예시도이다. 다만, 도 7 에서 가시광 이미지(701, 702, 703, 704) 상에 도시된 가축은 간략하게 도시됨에 따라 열화상 이미지(706)에서 도시된 가축과 일대일 대응되지 않을 수 있다.
도 7을 참조하면, 축사환경조사장치(10)는 카메라(11)를 회전시켜 축사방을 촬영한 가시광 이미지(701, 702, 703, 704)를 획득할 수 있고, 제 3 가시광 이미지(703)에서 가축(705)을 식별할 수 있고, 가시광 이미지 내에서 식별된 가축(705)이 이동하는지를 추적할 수 있다.
이를 통해 동일한 가축을 상이한 가축으로 식별하여 관리되지 않도록 할 수 있다.
이때, 축사환경조사장치(10)는 이동을 추적하는 가축에 대해 외형적 특징을 마킹하여 타 가축과 구별되도록 할 수 있다.
예를 들어, 축사환경조사장치(10)는 축사방을 촬영한 복수의 가시광 이미지 중 어느 하나에서 식별된 가축에 대해 페인트탄을 발사하여 가축의 외피에 구별가능한 마킹을 할 수 있다. 이를 통해 나머지 가시광 이미지에서 가축의 이동을 추적할 때 마킹을 기준으로 가축을 쉽게 식별할 수 있도록 할 수 있다.
그리고 축사환경조사장치(10)는 S4003단계에서 개별적으로 식별된 가축을 열화상 촬영할 수 있고(S4004), 열화상 이미지를 기초로 가축의 체온이 정상인지 여부를 식별할 수 있다(S4005).
예를 들어, 축사환경조사장치(10)는 카메라(11)의 한 마리의 가축만이 촬영각 내에 포함되도록 촬영각을 좁힐 수 있고, S4003단계에서 식별된 가축별로 열화상 촬영을 할 수 있다. 그리고 축사환경조사장치(10)는 촬영된 열화상 이미지를 기초로 가축별로 체온을 측정할 수 있다.
이를 위해, 축사환경조사장치(10)는 열화상 이미지를 이용한 가축의 체온측정을 위해 인공신경망을 학습시킬 수 있다.
예를 들어, 축사환경조사장치(10)는 가축을 촬영한 열화상 이미지와 가축의 실제 체온 간의 관계를 학습데이터로 인공신경망에 입력하여 학습을 수행할 수 있다. 또한, 축사환경조사장치(10)는 가축의 일부 부위를 촬영한 열화상 이미지와 가축의 실제 체온 간의 관계를 추가적으로 학습할 수 있다.
이러한 축사환경조사장치(10)는 인공신경망의 학습은 S4001단계 이전에 수행될 수 있다.
예를 들어, 축사환경조사장치(10)는 학습된 인공신경망을 이용하여 가축의 몸체를 촬영한 열화상 이미지를 기초로 가축의 체온을 측정할 수 있으며, 측정된 체온이 정상 체온 범위 내인지 식별하여 가축의 이상 여부를 결정할 수 있다.
그리고 예를 들어 가축의 일부를 촬영된 경우, 축사환경조사장치(10)는 가축의 일부를 촬영한 열화상 이미지를 기초로 촬영 부위의 온도를 측정할 수 있으며, 정상 체온을 가진 가축의 해당 부위 온도와 비교하여 가축의 체온이 정상인지 여부를 식별하여 가축의 이상 여부를 결정할 수 있다.
또는 예를 들어, 축사환경조사장치(10)는 열화상 이미지에서 온도 분포가 정상 체온을 가진 가축의 온도 분포와 상이한지를 식별하여 가축의 이상 여부를 결정할 수 있다.
도 7 을 참조하면, 축사환경조사장치(10)는 제 3 가시광 이미지(703)와 동일한 방향에서 촬영한 열화상 이미지(706)에서 가축(705)에 대응되는 열화상 영역(707)의 색을 기초로 가축(705)의 체온을 측정할 수 있다.
그리고 열화상 이미지를 기초로 측정된 가축의 체온이 정상 체온이 아닌 경우, 축사환경조사장치(10)는 해당 가축이 정상 체온이 아님을 관리자단말(30)로 알람을 제공할 수 있다(S4006).
예를 들어, 축사환경조사장치(10)는 정상 체온이 아닌 것으로 판단된 가축의 외형적 특징 및 가축이 위치한 축사방의 위치에 대한 정보를 포함하는 문자메시지를 관리자단말(30)로 제공할 수 있다.
이때, 실시예에 따라 축사환경조사장치(10)는 정상 체온이 아닌 것으로 판단된 식별된 가축을 외형적으로 식별할 수 있도록 외형적 특징을 마킹할 수 있다.
예를 들어, 축사환경조사장치(10)는 정상 체온이 아닌 것으로 식별된 가축에 대해 페인트탄을 발사하거나 또는 물감이 혼합된 액체를 방출하여 가축의 외피 색과 상이한 색으로 마킹하여 정상 체온인 타 가축과 외형적으로 구별할 수 있도록 할 수 있다.
이와 달리 S4005단계에서 가축의 체온이 정상이면, 축사환경조사장치(10)는 축사방 내의 모든 가축의 체온 측정이 완료되었는지 판단할 수 있고(S4007), 모든 가축의 체온 측정이 완료되지 않은 경우, 축사방의 모든 가축의 체온측정이 완료될 때까지 S4004단계 내지 S4007단계를 반복할 수 있다.
그리고 S4007단계에서 축사방 내의 모든 가축의 체온이 측정된 경우, 축사환경조사장치(10)는 축사 내의 모든 축사방을 방문하였는지를 판단할 수 있고(S4008), 모든 축사방이 방문되지 않으면 S4001단계에서 결정된 축사 내의 축사방 방문순서에 따라 다음 방문할 축사방으로 이동하여 S4002단계 내지 S4008단계를 반복할 수 있다.
S4008단계에서 축사 내의 모든 축사방을 방문하여 축사 내의 모든 가축의 체온을 측정한 경우, 축사환경조사장치(10)는 관리자단말(30)로 축사 내 가축의 체온 측정이 완료되었음을 알릴 수 있다(S4009).
예를 들어, 축사환경조사장치(10)는 축사방 별로 각 축사방에 위치한 가축의 체온과 체온 측정 일시 등에 대한 정보를 포함하는 보고서를 생성하여 관리자단말(30)로 제공할 수 있다.
도 5 는 축사환경조사장치(10)가 축사환경정보를 수집하는 방법을 도시한 순서도이다. 이하에서는 설명의 편의를 위해 도 4 에서 설명한 바와 동일한 구성에 대해서는 설명을 생략한다.
도 5를 참조하면, 축사환경조사장치(10)는 축사 내의 축사방의 방문순서를 결정할 수 있고(S5001), 결정된 축사방의 방문순서에 따라 이동하면서 축사 내 각 지점의 환경정보를 획득할 수 있다(S5002).
예를 들어, 축사환경조사장치(10)는 S5001단계에서 결정된 축사방의 방문순서에 따라 각 축사방에서의 환경인 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 바람 등을 센서(12)를 이용하여 측정할 수 있다.
그리고 축사환경조사장치(10)는 모든 축사방을 방문하였는지 판단할 수 있고(S5003), 모든 축사방을 방문하지 않은 경우, S5002단계 내지 S5003단계를 반복할 수 있다.
S5003단계에서 모든 축사방을 방문한 경우, 축사환경조사장치(10)는 축사의 환경정보를 관리자단말(30)로 제공할 수 있다(S5004).
예를 들어, 축사환경조사장치(10)는 S5002단계에서 방문하는 축사방의 위치에서 획득한 환경정보를 기초로 축사의 각 위치에서의 환경정보를 관리자단말(30)로 제공하되, 축사지도에 환경정보를 표시하여 제공할 수 있다.
또는 축사환경조사장치(10)는 축사의 각 위치에서의 환경정보를 기초로 축사관리에 대한 정보를 제공할 수 있다.
예를 들어, 축사환경조사장치(10)는 축사의 각 위치별 바람, 습도에 기초하여 환기를 위해 축사의 천장을 오픈하거나 통풍시설의 가동에 대한 정보를 추가적으로 제공할 수 있다.
이상의 실시예들에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field programmable gate array) 또는 ASIC 와 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램특허 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다.
구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로부터 분리될 수 있다.
뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU 들을 재생시키도록 구현될 수도 있다.
도 4 및 도 5 를 통해 설명된 실시예에 따른 축사환경조사방법은 컴퓨터에 의해 실행 가능한 명령어 및 데이터를 저장하는, 컴퓨터로 판독 가능한 매체의 형태로도 구현될 수 있다. 이때, 명령어 및 데이터는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 소정의 프로그램 모듈을 생성하여 소정의 동작을 수행할 수 있다. 또한, 컴퓨터로 판독 가능한 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터로 판독 가능한 매체는 컴퓨터 기록 매체일 수 있는데, 컴퓨터 기록 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함할 수 있다.예를 들어, 컴퓨터 기록 매체는 HDD 및 SSD 등과 같은 마그네틱 저장 매체, CD, DVD 및 블루레이 디스크 등과 같은 광학적 기록 매체, 또는 네트워크를 통해 접근 가능한 서버에 포함되는 메모리일 수 있다.
또한 도 4 및 도 5 를 통해 설명된 실시예에 따른 축사환경조사방법은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 컴퓨터 프로그램(또는 컴퓨터 프로그램 제품)으로 구현될 수도 있다. 컴퓨터 프로그램은 프로세서에 의해 처리되는 프로그래밍 가능한 기계 명령어를 포함하고, 고레벨 프로그래밍 언어(High-level Programming Language), 객체 지향 프로그래밍 언어(Object-oriented Programming Language), 어셈블리 언어 또는 기계 언어 등으로 구현될 수 있다. 또한 컴퓨터 프로그램은 유형의 컴퓨터 판독가능 기록매체(예를 들어, 메모리, 하드디스크, 자기/광학 매체 또는 SSD(Solid-State Drive) 등)에 기록될 수 있다.
따라서 도 4 및 도 5 를 통해 설명된 실시예에 따른 축사환경조사방법은 상술한 바와 같은 컴퓨터 프로그램이 컴퓨팅 장치에 의해 실행됨으로써 구현될 수 있다. 컴퓨팅 장치는 프로세서와, 메모리와, 저장 장치와, 메모리 및 고속 확장포트에 접속하고 있는 고속 인터페이스와, 저속 버스와 저장 장치에 접속하고 있는 저속 인터페이스 중 적어도 일부를 포함할 수 있다. 이러한 성분들 각각은 다양한 버스를 이용하여 서로 접속되어 있으며, 공통 머더보드에 탑재되거나 다른 적절한 방식으로 장착될 수 있다.
여기서 프로세서는 컴퓨팅 장치 내에서 명령어를 처리할 수 있는데, 이런 명령어로는, 예컨대 고속 인터페이스에 접속된 디스플레이처럼 외부 입력, 출력 장치상에 GUI(Graphic User Interface)를 제공하기 위한 그래픽 정보를 표시하기 위해 메모리나 저장 장치에 저장된 명령어를 들 수 있다. 다른 실시예로서, 다수의 프로세서 및(또는) 다수의 버스가 적절히 다수의 메모리 및 메모리 형태와 함께 이용될 수 있다. 또한 프로세서는 독립적인 다수의 아날로그 및(또는) 디지털 프로세서를 포함하는 칩들이 이루는 칩셋으로 구현될 수 있다.
또한 메모리는 컴퓨팅 장치 내에서 정보를 저장한다. 일례로, 메모리는 휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 다른 예로, 메모리는 비휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 또한 메모리는 예컨대, 자기 혹은 광 디스크와 같이 다른 형태의 컴퓨터 판독 가능한 매체일 수도 있다.
그리고 저장장치는 컴퓨팅 장치에게 대용량의 저장공간을 제공할 수 있다. 저장 장치는 컴퓨터 판독 가능한 매체이거나 이런 매체를 포함하는 구성일 수 있으며, 예를 들어 SAN(Storage Area Network), NAS, DAS, Cloud Storage와 같은 네트워크 저장 장치, 또는 상술된 네트워크 장치들 내의 장치들이나 다른 구성도 포함할 수 있고, 플로피 디스크 장치, 하드 디스크 장치, 광 디스크 장치, 혹은 테이프 장치, 플래시 메모리, 그와 유사한 다른 반도체 메모리 장치 혹은 장치 어레이일 수 있다.
상술된 실시예들은 예시를 위한 것이며, 상술된 실시예들이 속하는 기술분야의 통상의 지식을 가진 자는 상술된 실시예들이 갖는 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 상술된 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 명세서를 통해 보호 받고자 하는 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태를 포함하는 것으로 해석되어야 한다.
10 : 축사환경조사장치
11: 카메라 12: 센서
13: 본체 14: 기둥
15: 암 16: 구동장치
11: 카메라 12: 센서
13: 본체 14: 기둥
15: 암 16: 구동장치
Claims (20)
- 축사의 환경을 조사하는 장치에 있어서,
상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 카메라; 및
상기 카메라를 통해 촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하고, 상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 제어장치를 포함하는, 축사환경조사장치. - 제 1 항에 있어서,
상기 제어장치는,
상기 가축의 실제 체온에 대한 정보 및 상기 가축의 열화상 이미지를 기초로 상기 가축의 실제 체온과 상기 열화상 이미지에서 상기 가축에 대응되는 영역의 색 간의 관계를 학습하는, 축사환경조사장치. - 제 1 항에 있어서,
상기 제어장치는,
기 설정된 촬영각에 따라 상기 축사방을 분할 촬영하고, 분할 촬영된 가시광 이미지 간 관계를 기초로 상기 축사방 내의 가축의 위치를 식별하는, 축사환경조사장치. - 제 3 항에 있어서,
상기 제어장치는,
상기 분할 촬영된 가시광 이미지 중 어느 하나의 가시광 이미지에 포함된 가축의 외형적 특징을 식별하고, 나머지 가시광 이미지에 포함된 가축 중 식별된 외형적 특징을 가진 가축을 제외한 나머지 가축을 식별하는, 축사환경조사장치. - 제 1 항에 있어서,
상기 제어장치는,
상기 축사의 축사방 위치 및 복도 중 적어도 하나에 대한 정보를 포함하는 축사지도를 획득하고, 상기 축사지도를 기초로 상기 축사방의 방문순서를 결정하는, 축사환경조사장치. - 제 5 항에 있어서,
상기 제어장치는,
상기 카메라를 통해 획득되는 가시광 이미지를 기초로 상기 축사의 축사방과 복도를 식별하고, 식별된 축사방과 복도에 기초하여 상기 축사지도를 생성하는,, 축사환경조사장치. - 제 1 항에 있어서,
상기 축사환경조사장치는,
다면체 형상으로 형성되어 상기 제어장치가 구비되는 본체;
일정한 길이를 갖는 막대형상으로 형성되고, 일단이 상기 본체의 상단 일 영역에 지면과 수직인 방향으로 배치되어 결합되는 기둥; 및
일정한 길이를 갖는 막대형상으로 형성되어 상기 지면과 평행되게 배치되어, 일단은 상기 기둥에 결합되고, 타단은 상기 카메라가 구비되는 암(arm)을 더 포함하는, 축사환경조사장치. - 제 7 항에 있어서,
상기 암은,
길이가 가변되고,
상기 제어장치는,
상기 암의 길이를 가변시켜 상기 암의 일단에 구비된 카메라를 상기 축사방 내로 침투시키어 상기 축사방을 촬영하는, 축사환경조사장치. - 제 7 항에 있어서,
상기 축사환경조사장치는,
상기 본체의 하단에 구비되어 상기 축사 내에서 상기 축사환경조사장치를 이동시키는 구동장치를 더 포함하고,
상기 제어장치는,
상기 구동장치를 제어하여 상기 축사환경조사장치의 위치를 이동시켜 상기 축사 내의 환경정보를 획득하는, 축사환경조사장치. - 제 7 항에 있어서,
상기 축사환경조사장치는,
상기 암에 결합되어 상기 가축을 식별하는 외형적 특징을 부가하기 위해 물리력을 가하는 마킹장치를 더 포함하고,
상기 제어장치는,
상기 마킹장치를 제어하여 상기 가시광 이미지를 통해 상기 가축을 식별하기 위한 외형적 특징을 마킹하는, 축사환경조사장치. - 축사환경조사장치가 축사의 환경을 조사하는 방법에 있어서,
상기 축사에서 가축을 사육하는 구획된 장소인 축사방을 촬영하는 단계;
촬영된 상기 축사방의 가시광 이미지를 기초로 상기 축사방 내의 가축의 위치를 식별하는 단계; 및
상기 위치가 식별된 가축에 대해 열화상 촬영으로 획득된 이미지인 열화상 이미지를 기초로 상기 가축의 체온을 측정하는 단계를 포함하는, 축사환경조사방법. - 제 11 항에 있어서,
상기 축사환경조사방법은,
상기 가축의 실제 체온에 대한 정보 및 상기 가축의 열화상 이미지를 기초로 상기 가축의 실제 체온과 상기 열화상 이미지에서 상기 가축에 대응되는 영역의 색 간의 관계를 학습하는 단계를 더 포함하는, 축사환경조사방법. - 제 11 항에 있어서,
상기 축사방을 촬영하는 단계는,
기 설정된 촬영각에 따라 상기 축사방을 분할 촬영하는 단계를 포함하고,
상기 축사방 내의 가축의 위치를 식별하는 단계는,
분할 촬영된 가시광 이미지 간 관계를 기초로 상기 축사방 내의 가축의 위치를 식별하는 단계를 포함하는, 축사환경조사방법. - 제 13 항에 있어서,
상기 축사환경조사방법은,
상기 분할 촬영된 가시광 이미지 중 어느 하나의 가시광 이미지에 포함된 가축의 외형적 특징을 식별하는 단계; 및
나머지 가시광 이미지에 포함된 가축 중 식별된 외형적 특징을 가진 가축을 제외한 나머지 가축을 식별하는 단계를 더 포함하는, 축사환경조사방법. - 제 11 항에 있어서,
상기 축사환경조사방법은,
상기 축사의 축사방 위치 및 복도 중 적어도 하나에 대한 정보를 포함하는 축사지도를 획득하는 단계; 및
상기 축사지도를 기초로 상기 축사방의 방문순서를 결정하는 단계를 더 포함하는, 축사환경조사방법. - 제 15 항에 있어서,
상기 축사지도를 획득하는 단계는,
상기 축사환경조사장치에 구비된 카메라를 통해 획득되는 가시광 이미지를 기초로 상기 축사의 축사방과 복도를 식별하는 단계; 및
식별된 축사방과 복도에 기초하여 상기 축사지도를 생성하는 단계를 포함하는, 축사환경조사방법. - 제 11 항에 있어서,
상기 축사방을 촬영하는 단계는,
상기 축사환경조사장치에 구비되어 길이가 가변되는 암을 제어하여 상기 암의 일단에 구비된 카메라를 상기 축사방 내로 침투시키어 상기 축사방을 촬영하는 단계를 포함하는, 축사환경조사방법. - 제 11 항에 있어서,
상기 축사환경조사방법은,
상기 축사환경조사장치의 위치를 이동시켜 상기 축사 내의 환경정보를 획득하는 단계를 더 포함하는, 축사환경조사방법. - 제 11 항에 기재된 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
- 축사환경조사장치에 의해 수행되며, 제 11 항에 기재된 방법을 수행하기 위해 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200022530A KR102375362B1 (ko) | 2020-02-24 | 2020-02-24 | Ai 기반 축사 환경 조사 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200022530A KR102375362B1 (ko) | 2020-02-24 | 2020-02-24 | Ai 기반 축사 환경 조사 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210107470A true KR20210107470A (ko) | 2021-09-01 |
| KR102375362B1 KR102375362B1 (ko) | 2022-03-17 |
Family
ID=77780099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200022530A KR102375362B1 (ko) | 2020-02-24 | 2020-02-24 | Ai 기반 축사 환경 조사 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102375362B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189627A (zh) * | 2021-11-24 | 2022-03-15 | 河南牧原智能科技有限公司 | 用于获取相机预置角度、监测养殖栏的方法及产品 |
| CN114407051A (zh) * | 2022-03-07 | 2022-04-29 | 烟台艾睿光电科技有限公司 | 畜禽养殖场巡检方法及畜禽养殖场机器人 |
| WO2024128503A1 (ko) * | 2022-12-14 | 2024-06-20 | 전남대학교산학협력단 | 가축 위치 기반으로 축사 내부의 환기를 관리하는 환기 제어 장치 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101568853B1 (ko) * | 2015-01-12 | 2015-11-13 | 충남대학교산학협력단 | 초음파센서를 측부에 구비한 자율주행형 온실환경 계측장치 |
| KR20170021936A (ko) * | 2015-08-18 | 2017-03-02 | 경상대학교산학협력단 | 가축 관리 서버 및 가축 관리 시스템 |
| KR101806521B1 (ko) * | 2016-06-08 | 2017-12-07 | (주)에코비즈 | 열화상 카메라를 이용하는 가축의 방역 시스템 |
| KR101919613B1 (ko) * | 2016-12-09 | 2019-02-08 | (주)솔로몬시스템 | 농업용 방제로봇 |
| KR20190114655A (ko) * | 2018-03-30 | 2019-10-10 | 이병칠 | 의료 중계기용 지그장치 |
| KR102064746B1 (ko) * | 2018-04-09 | 2020-01-10 | 미소에이스 주식회사 | 머신 러닝을 기반으로 한 화재 감시 시스템 |
-
2020
- 2020-02-24 KR KR1020200022530A patent/KR102375362B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101568853B1 (ko) * | 2015-01-12 | 2015-11-13 | 충남대학교산학협력단 | 초음파센서를 측부에 구비한 자율주행형 온실환경 계측장치 |
| KR20170021936A (ko) * | 2015-08-18 | 2017-03-02 | 경상대학교산학협력단 | 가축 관리 서버 및 가축 관리 시스템 |
| KR101806521B1 (ko) * | 2016-06-08 | 2017-12-07 | (주)에코비즈 | 열화상 카메라를 이용하는 가축의 방역 시스템 |
| KR101919613B1 (ko) * | 2016-12-09 | 2019-02-08 | (주)솔로몬시스템 | 농업용 방제로봇 |
| KR20190114655A (ko) * | 2018-03-30 | 2019-10-10 | 이병칠 | 의료 중계기용 지그장치 |
| KR102064746B1 (ko) * | 2018-04-09 | 2020-01-10 | 미소에이스 주식회사 | 머신 러닝을 기반으로 한 화재 감시 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189627A (zh) * | 2021-11-24 | 2022-03-15 | 河南牧原智能科技有限公司 | 用于获取相机预置角度、监测养殖栏的方法及产品 |
| CN114407051A (zh) * | 2022-03-07 | 2022-04-29 | 烟台艾睿光电科技有限公司 | 畜禽养殖场巡检方法及畜禽养殖场机器人 |
| WO2024128503A1 (ko) * | 2022-12-14 | 2024-06-20 | 전남대학교산학협력단 | 가축 위치 기반으로 축사 내부의 환기를 관리하는 환기 제어 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102375362B1 (ko) | 2022-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102375362B1 (ko) | Ai 기반 축사 환경 조사 방법 및 장치 | |
| CN111225558B (zh) | 长期且连续的动物行为监测 | |
| Walton et al. | Evaluation of sampling frequency, window size and sensor position for classification of sheep behaviour | |
| US11537891B2 (en) | Intelligent recognition and alert methods and systems | |
| KR20150025333A (ko) | 이동형 지능로봇을 이용한 영상기반 식물 생장관리 제어시스템 | |
| Stürzl et al. | Three-dimensional models of natural environments and the mapping of navigational information | |
| US10964201B1 (en) | Wildfire defender | |
| US11699078B2 (en) | Intelligent recognition and alert methods and systems | |
| Sinhuber et al. | Three-dimensional time-resolved trajectories from laboratory insect swarms | |
| Subedi et al. | Tracking floor eggs with machine vision in cage-free hen houses | |
| Sharma et al. | Drones and machine learning for estimating forest carbon storage | |
| KR20210140766A (ko) | 교통 도로를 위한 디지털 재구성 방법, 장치 및 시스템 | |
| KR102349851B1 (ko) | 카메라를 이용한 반려동물 다중객체 인지 서비스 제공 시스템 및 방법 | |
| DE102016225806A1 (de) | Verfahren zur Erfassung und Klassifizierung von Objekten | |
| KR20200084164A (ko) | 사육장 환경 관리 장치 | |
| Farahnakian et al. | Multi-pig pose estimation using DeepLabCut | |
| CN110456831B (zh) | 一种基于主动视觉的小鼠接触行为追踪平台 | |
| Iumagulov et al. | Formicaria Automation Method Using Machine Vision | |
| KR20220109990A (ko) | 촬영장치 및 촬영방법 | |
| Durant et al. | Variation in the local motion statistics of real-life optic flow scenes | |
| KR102601734B1 (ko) | 딥러닝을 이용하여 열매의 생육 과정을 모니터링하는 방법 및 이를 수행하기 위한 장치 | |
| KR20230038941A (ko) | 작물 모니터링 장치 | |
| Seelig et al. | Tomography for fluorescence imaging | |
| US20230086045A1 (en) | Intelligent recognition and alert methods and systems | |
| US20240095911A1 (en) | Estimating properties of physical objects, by processing image data with neural networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |